ecognition试验-多尺度分割0608.doc

ecognition多尺度分割 1 分割 对给定分辨率的影像对象，多尺度分割算法局部最小化影像对象的差异性。它能够在已存在的影像对象层执行，也能在象素层执行，以创建新的影像对象或者影像对象层。 多尺度分割算法连续 融合象素或者已存在的对象。因此它是 基于成对区域融合技术的自底向上分割算法。多尺度分割是优化处理，对给定数量的影像对象，最小化平均差异性并最大化它所代表的均一性。 分割处理根据以下规则进行，是一种相互最佳适合方法。尺度参数 尺度参数是一个抽象的概念，对影像对象结果，它决定所能允许的最大差异性，对差异性数据，对给定尺度参数，结果对象将比更均一的数据要小。通过修改尺度参数的值，您可以区别影像对象大小。 提示：通常情况下，最大可能尺度的影像对象仍然能区分不同的影像分区，（尽可能大，尽可能好）。存在一种容忍值，与影像对象所的尺度相关，由于由分类时的均一化处理，这种容忍值代表分类一致性区域。不同区域的区分比影像对象尺度更重要。均一性标准组合 尺度参数所对应的对象的均一性由均一性标准域组合定义。在这种情况下，均一性用于反映最小化差异性。三种标准被计算：色彩，光滑度，紧致度。这三种标准在差异性判别方面有多种用法，然而，大多数情况下，为创建有价值的对象，色彩标准是最重要的。然而，某种程度的形状一致性常常能提升对象提取的质量。因为空间对象的紧致度与影像形状概念相关。因此，形状标准是非常有用的，可以在纹理特征非常强的数据（如雷达数据）避免高度分散的影像对象结果。 多尺度概念流程图 形状 形状栏的值改变着色彩和形状分割准则的关系，通过改变形状准则，同时也定义了色彩准则（色彩 = 1 - 形状）。实际上，通过降低赋给形状栏的值，你定义了影像层光谱值将用于整体一致性准则的比例。该权值与在形状栏里定义的赋给形状一致性的权值是相对的。 将形状准则的权值设置为1，将导致在空间一致性上得到优化。然而，形状准则的值不能大于0.9，这是由于不考虑影像的光谱信息，分割的结果对象将于光谱信息无关。调整色彩和形状的滑动条将用于分割中。 附加上光谱信息后，对象的一致性将利用由紧致性参数定义的对象形状来优化。 紧致性 紧致性准则用于优化与紧致性相关的影像对象。该准则应该用于区分影像对象，这些影像对象不是从紧密的，而是 从非紧密对象中，仅仅从相对较弱的光谱对比度区分出来。用滑动条调节用于分割的紧致度。 在尺度参数和形状参数一定的情况下,紧致度越小,所分割的结果得形状显得越碎。 （2） 形状参数对分割的影响 形状参数对分割的影响:形状参数设置越大,所分割的结果的形状在大小上差异越小,显得越整,形状参数设置越小,分割结果显得越散. 但是，进行多尺度分割时，形状参数与颜色参数是相对的，这两个参数值之和为1。形状参数设置的值越大，在进行分割时，颜色(光谱)在分割时的权重相应就小。因此，影像分割的结果与颜色的相关性越小。在分割结果上的表现为分割对象形状大小较规整，但是不能较好的反映地物或者地块的实际形状。 （3） 尺度参数对分割结果的影响 改变尺度参数，对分割结果的直观影响是，尺度参数越大，分割后对象的块越大。实际上，尺度参数的值决定了分割对象所能允许的最大差异性。尺度参数应该设置一个合理值，该值有助于区分不同的对象。 形状参数：0.2，紧致度参数：0.5 尺度参数50 尺度参数100 尺度参数150 尺度参数200 结论： 通过改变分割参数进行试验，初步分析结果显示，针对0.2m的影像数据，尺度参数(scale)设置为50或者100、形状参数(shape)设置为0.1或者0.2、紧致度参数(compactness)设置为0.5或者0.6 较合适。最终需要通过分类结果检验尺度参数设置设置是否合理。 紧致度：利用形状准侧，考虑总体紧致性，优化影像对象结果。 平滑度 ：利用形状准侧，考虑平滑边缘，优化影像对象结果。 形状 定义了影像对象结果的纹理一致性。 [形状] = [平滑度] + [紧致度] 颜色 影像对象结果的数值值[颜色]，[颜色] = 1 - [形状] 注意：平滑度和紧致度与影像特征的平滑度和紧致度没有关系 尺度参数 定义影像对象结果的加权影像层的均一性准则的最大标准差，尺度参数值越大，影像对象结果越大。 一致性组合 一致性准则，由4个准则组成， 定义了影像对象结果的总体 相对均一性。 准则